Property Finder修正评测偏差并降本选型

Property Finder 发现其视觉模型评测集 96.8% 的标签直接继承自单一模型的预测，使替代模型在比较中处于结构性劣势；团队由领域专家重新标注 356 张阿联酋图片（另用 230 张埃及图片做跨区域检查），改用多标签分类与 Micro F1 作为主指标。 在此基础上，团队以 v0 到 v27 的进化式提示词优化循环迭代（v27 用 MIPROv2 自动优化），最终在 Amazon Bedrock 上选出 Llama 4 Maverick 17B Instruct，据 AWS 博客称实现更高准确率与 86% 降本；该成本估算为 2025 年 12 月美国东部（俄亥俄）区域的数据，356 张图片的规模据称大致足以检测模型间的中等差异。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。